Розпізнавання зображень за допомогою методів машинного навчання
Завантаження...
Файли
Дата
Науковий керівник
Редактор
Інші учасники
Відповідальний
ORCID
Назва журналу
Номер ISSN
Назва тому
DOI
Альтернативна назва
Анотація
У роботі розглянуто застосування згорткових нейронних мереж для задач розпізнавання зображень у рамках сучасних підходів машинного навчання. Проаналізовано принципи функціонування згорткових мереж, їх архітектуру та основні етапи навчання моделей на розмічених наборах даних. Особливу увагу приділено процесу автоматичного виділення ознак, що дозволяє значно підвищити точність класифікації порівняно з традиційними методами. Описано ключові етапи підготовки даних, зокрема нормалізацію, аугментацію та розділення вибірки. Визначено переваги використання CNN у задачах комп’ютерного зору.
The paper considers the application of convolutional neural networks for image recognition tasks within modern machine learning approaches. The principles of operation of convolutional networks, their architecture, and the main stages of model training on labeled datasets are analyzed. Special attention is paid to the process of automatic feature extraction, which significantly improves classification accuracy compared to traditional image processing methods. The key stages of data preprocessing are described, including normalization, data augmentation, and splitting the dataset into training and testing subsets. The main evaluation metrics, such as accuracy, recall, and F1-score, are considered.
The paper considers the application of convolutional neural networks for image recognition tasks within modern machine learning approaches. The principles of operation of convolutional networks, their architecture, and the main stages of model training on labeled datasets are analyzed. Special attention is paid to the process of automatic feature extraction, which significantly improves classification accuracy compared to traditional image processing methods. The key stages of data preprocessing are described, including normalization, data augmentation, and splitting the dataset into training and testing subsets. The main evaluation metrics, such as accuracy, recall, and F1-score, are considered.
Опис
УДК
Тип документа
Мова
ISSN
Посилання на публікацію
Серія, номер
ISBN
ББК
Інші ідентифікатори
Пов’язані матеріали
Спонсорська підтримка
Правовласник
Бібліографічний опис
Петренчук А. М., Сергіївна М. Ю., Олександрович В. Л. Розпізнавання зображень за допомогою методів машинного навчання // Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/29507.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (10)
- Goodfellow I., Bengio Y., Courville A. Deep Learning. – MIT Press, 2016. – 800 p. [Електронний ресурс]. – Режим доступу: https://www.deeplearningbook.org/
- Google. Machine Learning Crash Course [Електронний ресурс]. – Режим доступу: https://developers.google.com/machinelearning
- IBM. Computer Vision: What It Is and Why It Matters [Електронний ресурс]. – Режим доступу: https://www.ibm.com/topics/computer-vision
- Scikit-learn. Model Evaluation Metrics [Електронний ресурс]. – Режим доступу: https://scikitlearn.org/stable/modules/model_evaluation.html
- TensorFlow. Image Classification Tutorial [Електронний ресурс]. – Режим доступу: https://www.tensorflow.org/tutorials/images/classification
- He K., Zhang X., Ren S., Sun J. Deep Residual Learning for Image Recognition // Proceedings of the IEEE CVPR. – 2016. – P. 770–778.
- Leshchenko Yu., Yukhimchuk M., Lesko V., Ivanov Yu. Integrating Clustering and Artificial Intelligence for Improved Efficiency in Last-Mile Logistics. Measuring and Computing Devices in Technological Processes. 2025. Vol. 84 (4). pp. 346-350. [Електронний ресурс]. - Режим доступу: https://doi.org/10.31891/2219-9365-2025-84-41
- Юхимчук М.С., Лесько В.О., Дубовой В.М., Іванов Ю.Ю. Інтелектуальна система автоматичного керування процесом сушіння зернових культур на основі IoT-технологій. Наукові праці ВНТУ. Вінниця: ВНТУ, 2025. №4. C. 1-8. [Електронний ресурс].- Режим доступу: https://doi.org/10.31649/2307-5376-2025-4-46-53
- Development and Research of the Hardware and Software Architecture of an IoT-Node for Monitoring Technological Parameters Based on Nodemcu V3 and Prometheus / M.S. Yukhymchuk, V.O. Lesko, Yu.Yu. Ivanov, P.P. Strembitskiy. Measuring Technology and Metrology. Lviv: Lviv Polytechnic National University, 2026. Issue 87, № 1. pp. 59-62. [Електронний ресурс]. - Режим доступу: https://doi.org/10.23939/istcmtm2026.01.059.
- Проєктування системи автоматичного управління технологічним процесом сушіння зерна / М.С. Юхимчук, В.О. Лесько, Ю.Ю. Іванов, Ю.А. Горчук, О.В. Климчук. Наукові праці ВНТУ. Вінниця: ВНТУ, 2026. № 1. C. 1-17.